دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: Paperback
نویسندگان: V Kishore Ayyadevara
سری:
ISBN (شابک) : 1789346649, 9781789346640
ناشر: Packt Publishing Limited
سال نشر: 2019
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 25 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Neural Networks with Keras Cookbook: Over 70 recipes leveraging deep learning techniques across image, text, audio, and game bots به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شبکه های عصبی با کتاب آشپزی Keras: بیش از 70 دستور العمل با استفاده از تکنیک های یادگیری عمیق در ربات های تصویر، متن، صدا و بازی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
معماری شبکه های عصبی را با ساختن آنها از ابتدا برای چندین برنامه در دنیای واقعی پیاده سازی کنید. ویژگی های کلیدی از ابتدا، ساخت چندین معماری شبکه عصبی مانند CNN، RNN، LSTM در Keras نکات و ترفندهایی را برای طراحی یک شبکه عصبی قوی برای حل مشکلات دنیای واقعی کشف کنید. -tuning them شرح کتاب این کتاب شما را از مبانی شبکه های عصبی به پیاده سازی های پیشرفته معماری ها با استفاده از رویکرد مبتنی بر دستور العمل می برد. ما در مورد نحوه کار شبکه های عصبی و تأثیر پارامترهای مختلف بر روی دقت شبکه همراه با استفاده از شبکه های عصبی برای داده های ساختاریافته و بدون ساختار یاد خواهیم گرفت. بعداً نحوه طبقه بندی و تشخیص اشیاء در تصاویر را خواهیم آموخت. ما همچنین یاد خواهیم گرفت که از یادگیری انتقال برای چندین برنامه از جمله یک ماشین خودران با استفاده از شبکه های عصبی کانولوشن استفاده کنیم. ما همزمان با استفاده از GAN ها و همچنین با انجام رمزگذاری تصویر، تصاویر تولید می کنیم. علاوه بر این، ما تجزیه و تحلیل متن را با استفاده از تکنیک های بردار کلمه انجام خواهیم داد. بعداً از شبکههای عصبی بازگشتی و LSTM برای پیادهسازی رباتهای گفتگو و سیستمهای ترجمه ماشینی استفاده خواهیم کرد. در نهایت، شما در مورد رونویسی تصاویر، صدا و تولید زیرنویس ها و همچنین استفاده از Deep Q-learning برای ساخت عاملی که بازی Space Invaders را انجام می دهد، خواهید آموخت. در پایان این کتاب، شما مهارتهایی را برای انتخاب و سفارشی کردن چندین معماری شبکه عصبی برای مشکلات یادگیری عمیق مختلف که ممکن است با آنها مواجه شوید، توسعه دادهاید. آنچه یاد خواهید گرفت ساخت چندین معماری شبکه عصبی پیشرفته از ابتدا کاوش یادگیری انتقال برای انجام تشخیص و طبقه بندی اشیا ساخت برنامه های ماشین خودران با استفاده از نمونه و تقسیم بندی معنایی درک رمزگذاری داده ها برای تصویر، متن و سیستم های توصیه گر پیاده سازی تجزیه و تحلیل متن با استفاده از ترتیب به- یادگیری متوالی از ترکیب CNN و RNN برای انجام یادگیری سرتاسر استفاده کنید. عواملی را برای انجام بازیها با استفاده از یادگیری عمیق Q بسازید این کتاب برای چه کسی است. به تازگی سفر خود را با شبکه های عصبی آغاز کرده اند. این کتاب برای کسانی است که به دنبال منابعی هستند تا به آنها کمک کند تا در معماری های مختلف شبکه عصبی حرکت کنند. شما معماری های متعددی خواهید ساخت، با مطالعات موردی همزمان که بر اساس پیچیدگی مشکل ترتیب داده شده اند. درک اولیه برنامه نویسی پایتون و آشنایی با یادگیری ماشین اولیه تمام چیزی است که برای شروع با این کتاب نیاز دارید.
Implement neural network architectures by building them from scratch for multiple real-world applications. Key Features From scratch, build multiple neural network architectures such as CNN, RNN, LSTM in Keras Discover tips and tricks for designing a robust neural network to solve real-world problems Graduate from understanding the working details of neural networks and master the art of fine-tuning them Book Description This book will take you from the basics of neural networks to advanced implementations of architectures using a recipe-based approach. We will learn about how neural networks work and the impact of various hyper parameters on a network's accuracy along with leveraging neural networks for structured and unstructured data. Later, we will learn how to classify and detect objects in images. We will also learn to use transfer learning for multiple applications, including a self-driving car using Convolutional Neural Networks. We will generate images while leveraging GANs and also by performing image encoding. Additionally, we will perform text analysis using word vector based techniques. Later, we will use Recurrent Neural Networks and LSTM to implement chatbot and Machine Translation systems. Finally, you will learn about transcribing images, audio, and generating captions and also use Deep Q-learning to build an agent that plays Space Invaders game. By the end of this book, you will have developed the skills to choose and customize multiple neural network architectures for various deep learning problems you might encounter. What you will learn Build multiple advanced neural network architectures from scratch Explore transfer learning to perform object detection and classification Build self-driving car applications using instance and semantic segmentation Understand data encoding for image, text and recommender systems Implement text analysis using sequence-to-sequence learning Leverage a combination of CNN and RNN to perform end-to-end learning Build agents to play games using deep Q-learning Who this book is for This intermediate-level book targets beginners and intermediate-level machine learning practitioners and data scientists who have just started their journey with neural networks. This book is for those who are looking for resources to help them navigate through the various neural network architectures; you'll build multiple architectures, with concomitant case studies ordered by the complexity of the problem. A basic understanding of Python programming and a familiarity with basic machine learning are all you need to get started with this book.